Scite

データ分析更新日：2026年10月4日

Scite AIは、論文が主張を支持しているか反論しているかを明らかにすることで、研究の信頼性を評価するスマートな引用ツールです。

入力Text出力Structured Data

当サイトのリンクから登録すると、紹介料を受け取る場合があります。レビューの内容には影響しません。

Sciteとは？

Sciteは、引用数という中身のない指標を、論文同士が実際にどのように対話しているかを説明する「スマート引用」に置き換えます。ある研究が500件引用されているという事実だけでなく、他の研究者がその発見を支持したか、言及したか、反論したかを示す具体的な文章の断片を見ることができます。これにより、何十ものPDFを開かなくても、撤回された研究や議論のある主張を瞬時に見つけることができます。医学や生命科学における合意形成をマッピングするのに非常に役立ちますが、機械学習モデルはニッチな方法論に重きを置く分野ではニュアンスを見逃す可能性があります。この文脈情報は重要です。なぜなら、誤りが証明された、あるいは脆弱な証拠の上に研究プロジェクトを構築することを防いでくれるからです。

ポイント： まず「対立（contrasting）」タブを確認し、あなたの分野で最も興味深い議論を見つけましょう。

Sciteの始め方

まずはブラウザ拡張機能から始めましょう。Google Scholarやパブリッシャーのサイトをブラウジングしながらスマート引用のバッジを確認できる、最も邪魔にならない方法です。新しいタブを開かなくても、論文が支持されているか反論されているかをすぐに確認できます。これにより、3年前に信頼性を否定された研究を引用してしまうことを防げます。
Assistantを試すには、無料アカウントを作成してください。具体的な研究に関する質問を入力すると、検証済みの引用付きで回答が生成されます。すべての脚注をクリックして元の文脈を確認できるため、通常のLLMよりも優れています。手作業でのファクトチェックの時間を大幅に節約できます。
参考文献リストやPDFをカスタムダッシュボードにアップロードしましょう。Sciteはこれらの論文をリアルタイムで監視し、新たな引用や撤回がないか確認します。あなたの一次資料が今も科学界から信頼できるとみなされているかどうかを、手動で確認する必要はなくなります。
原稿を提出する前には、Reference Checkツールが不可欠です。下書きをアップロードして、あなたの引用が実際に想定している主張をしているかどうかを確認しましょう。査読を台無しにしかねない、意図しない誤解釈を検出してくれます。ずさんな引用で専門家としての評判を損なう心配もありません。

ポイント： まず拡張機能をインストールして、現在のワークフローの中で引用の傾向を確認してから、フルダッシュボードに取り組みましょう。

どんな人に向いているか？

執筆段階に深く入り込んでいる博士課程の学生

研究室での作業に忙しくしている間に、撤回された論文や信頼性が否定された論文を引用してしまうことを防げます。Sciteは矛盾する引用を、文献管理ツール内で直接フラグ表示します。おかげで、最終審査での恥ずかしい訂正をせずに済みます。

ノイズの中からシグナルを見つけたい文献レビュー担当者

単純な引用数は、単に著者に反論しているだけという事実を隠してしまうことがよくあります。支持的な記述を絞り込むことで、実際の合意点を見つけられます。実体のないものを追いかける代わりに、分野を前進させた論文に読む時間を充てられます。

新規資金獲得のための根拠を構築する助成金申請者

あなたの提案する研究が、現在の研究結果における具体的な矛盾に対処していることを示せます。コミュニティが現在意見の相違を抱えている正確な主張を特定できます。審査員に対して、あなたのプロジェクトが重複ではなく重要なギャップを埋めるものであることを示せます。

大量のデータセットを扱うシステマティックレビュー担当者

すべてのPDFをダウンロードする代わりに、引用の断片を見て初期リストをスクリーニングできます。実際には、最初の除外作業が大幅に速くなり、過酷な作業スケジュールを数週間短縮できます。

特定の主張を検証するエビデンスに基づく実践者

ある臨床試験の結果が他者によって再現されたかどうかを確認するのに適しています。純粋に解釈的な支持しかないニッチな社会理論には、あまり効果的ではありません。いずれにしても、実際のシナリオに適用する前にプロトコルを現実に照らして確認できます。

ポイント： 論文が何回引用されたかだけでなく、どのように引用されたかを知りたいならSciteを選びましょう。関連タイトルの基本的なリストだけが必要な場合はスキップして構いません。

Sciteの料金

Sciteはフリーミアムモデルを採用しており、見つけられる論文の数ではなく、文献分析の深さに制限を設けています。気軽な検索は無料ですが、本格的な研究では、ある主張が実際に他者から支持されているか反論されているかを確認するために、ペイウォールを越える必要があります。

Free

基本的な引用数と、毎月限られた数のスマート引用レポートを閲覧できます。簡単な確認には使えますが、本格的な文献レビューでは壁にぶつかります。

Individual

月額20ドル、または年間約100ドル

Assistant、引用アラート、特定の研究分野を追跡するカスタムダッシュボードにフルアクセスできます。ある論文が今も科学界から信頼できるとみなされているかどうかを、推測で判断する必要はもうありません。

Student

有効な所属機関からの推薦があれば、プレミアム機能を3か月間無料で利用できます

Enterprise/Librarian

IPベースのアクセスやAPI連携が必要な大学やR&Dチーム向けのカスタム価格設定。個人プランは標準的なNetflixのサブスクリプションと比べると高額に感じますが、矛盾する証拠を手作業で探す手間が省ける時間の節約効果は大きいと感じました。

ポイント： 月額サブスクリプションを契約する前に、7日間の無料トライアルを使って、現在の参考文献リストでReference Checkを実行してみましょう。

Sciteの主な機能

スマート引用分類

Sciteは深層学習を使用し、文の文脈に基づいて引用を「支持」「対立」「言及」に分類します。これにより、特定の手法に異議を唱える論文を1本見つけるために、無関係な論文を5本読む手間を省けます。画期的な論文が新しいデータによって否定されたり、修正されたりしていないかをすぐに確認できます。

ポイント： 「対立」タグを探して、最も興味深い学術的議論を見つけましょう。

全文アクセス対応のAI搭載Assistant

Assistantに自然言語で質問すると、ペイウォールの内側にある多数の論文を含む2億8000万件の記事のデータベースを使って回答を統合します。情報源を捏造する可能性のある一般的なLLMとは異なり、実在する具体的な文章の断片を示してくれます。その結果、実際の証拠に基づいた文献レビューセクションの下書きが得られます。

ポイント： 分野を概観するには「Assistant」モードを、再現可能なブール検索による探索には「Search」を使いましょう。

カスタム研究ダッシュボード

論文をトピックや著者ごとにグループ化し、全体的な影響を追跡したり、新しい引用が現れた際にアラートを受け取ったりできます。特定の参考文献リストの信頼性を監視するための専用ワークスペースです。静的な参考文献リストが、科学的合意の生きたフィードに変わります。

ポイント： ZoteroやMendeleyのフォルダを同期させて、現在のプロジェクトの監視を自動化しましょう。

引用連鎖の可視化

論文間の前方・後方のつながりをマッピングし、あるアイデアが数十年かけてどのように発展してきたかを確認できます。「co-cites（共引用）」を見つけることで、キーワード検索では見逃していたかもしれない基礎的な研究を発見できます。これにより、自分の検索語の枠を超えて、関連する研究を発見する助けになります。

ポイント： 対立する引用の「前方連鎖」をたどり、その論争が解決されたかどうかを確認しましょう。

ブラウザ拡張機能の統合

このプラグインは、Google Scholarの検索結果やパブリッシャーのサイト上に直接、引用統計を重ねて表示します。PDFを開く前に「Sciteバッジ」を表示してくれるので、行き来のクリックが大幅に減ることに気づきました。主要な検索エンジンから離れることなく、信頼性の低い論文をスキップできます。

ポイント： 拡張機能をインストールして、ニュースやジャーナルを閲覧しながらリアルタイムで参考文献を精査しましょう。

特許検索・分析。2億件を超える特許出願を検索し、学術研究が商業技術にどのように応用されているかを確認できます

理論科学と産業イノベーションの間の橋渡しをします。特定の科学的原理を用いた先行技術や商業的競合先を見つける最速の方法です。

ポイント： 「分類」や「発明者」でフィルタリングして、膨大な特許結果を絞り込みましょう。

Sciteの長所と短所

長所

Sciteは、平板な被引用数を多層的な地図に変えます。論文が言及されている実際の一文を抜き出すので、同業者が手法を裏づけているのか、結果を覆しているのかが見て取れます。検索結果の上で「スマート引用」のバッジが支持と反論の主張をその場で示してくれるため、学界がすでに疑問を投げかけている論文に時間を費やさずに済む点が印象的でした。この透明性のおかげで、ぐらついた土台の上に研究を積み上げずに済みます。原稿を投稿する前にReference Checkを使い、撤回された論文や激しく争われている論文をうっかり引用していないか確かめましょう。

短所

機械学習のモデルは万能ではなく、中立的な言及を支持と取り違えることがあります。提携出版社からの全文へのアクセスに大きく依存しているため、専門性の高い学術誌や、電子化されていない古い資料の網羅性は心もとなく感じられます。つまり「対立」ラベルの文脈は、やはり人の目で確かめる必要があります。意見の相違が、論全体ではなく細かな変数についてのものかもしれないからです。これが重要なのは、AIが付けたラベルを鵜呑みにすると、同業者の立場を取り違えて伝えかねないからです。要約は最終的な判断ではなく、深く読み込むための手がかりとして使いましょう。